news.inema.pro / Todas as notícias
LongCat-Video cria vídeos de minutos e avatares falantes com IA aberta
Projeto da Meituan com IA aberta para criar vídeos de vários minutos e avatares falantes, sob licença MIT.
LongCat-Video é um modelo de inteligência artificial aberto, criado pela empresa chinesa Meituan. Ele transforma uma descrição em texto, uma imagem ou o começo de um vídeo em novas cenas. Também pode continuar um vídeo e criar vídeos de vários minutos, em 720p a 30 quadros por segundo. A versão LongCat-Video-Avatar 1.5 usa uma foto e um áudio para fazer uma pessoa falar, com os movimentos da boca sincronizados. O código e os modelos têm licença MIT.
Para quem produz vídeos, isso permite criar cenas e prolongar um vídeo usando o mesmo modelo. O Avatar 1.5 também oferece uma opção para animar pessoas a partir de uma foto e de um áudio. Como o modelo é aberto, pode ser executado em um servidor próprio, mas isso exige equipamento potente: o guia destaca o uso de placas de vídeo NVIDIA e bastante espaço em disco. O projeto ainda não foi testado no servidor mencionado no guia.
Para começar, é preciso usar Linux com NVIDIA e CUDA e preparar o ambiente de programação indicado pelo projeto. Depois, baixe apenas os arquivos do modelo necessários para a tarefa: o modelo base para gerar ou continuar vídeos, ou o Avatar 1.5 para criar avatares falantes. Há exemplos de comandos e uma interface que funciona no navegador. Antes de planejar o uso, observe o espaço em disco necessário e que os requisitos mínimos de memória da placa de vídeo não estão informados no README.
O link abre o conteúdo original; alguns exigem assinatura.
Para ir além no INEMA.CLUB
Mais notícias
- 15/10VoiceStudio: alternativa local e aberta ao ElevenLabsPrograma gratuito e aberto roda localmente recursos do ElevenLabs, como clonagem de voz, voz por descrição, dublagem e transcrição; a proposta inclui testar motores de TTS em português com a voz do Nei.
- 15/10VoiceStudio: clone de voz, dublagem e transcrição no próprio computadorO VoiceStudio oferece clonagem de voz, dublagem e transcrição local como alternativa ao ElevenLabs.
- 15/10sala-multiplayer: pessoas, Claude, Codex e Telegram na mesma conversaProjeto reúne pessoas, Claude, Codex e Telegram em uma conversa com painel ao vivo.
- 15/10robotica-so101 simula o braço SO-101 antes do teste na mesa realProjeto simula o braço SO-101 pegando e soltando objetos antes de testar o movimento na mesa real.
- 15/10reel3d-teste cria vídeos 3D animados com código e luz realistaProjeto cria cenas de um quarto e de uma casa em 3D, com iluminação realista e sem usar IA de vídeo.